CN102749847A - 多无人机协同着陆方法 - Google Patents
多无人机协同着陆方法 Download PDFInfo
- Publication number
- CN102749847A CN102749847A CN2012102152245A CN201210215224A CN102749847A CN 102749847 A CN102749847 A CN 102749847A CN 2012102152245 A CN2012102152245 A CN 2012102152245A CN 201210215224 A CN201210215224 A CN 201210215224A CN 102749847 A CN102749847 A CN 102749847A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- landing
- neighbours
- rho
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明提出一种多无人机协同着陆方法,包括以下步骤:为多个无人机建立Ad Hoc通信网络;各个无人机利用机载传感器搜索自身位置和着陆地标,并基于Ad Hoc通信网络采用广播的方式向邻居无人机发送数据包,数据包包括位置信息及状态信息;各个无人机根据接收到的数据包结合自身信息,计算自身与着陆地标及邻居无人机的相对距离和相对角度;以及构建环境空间势场,计算着陆地标的吸引力Fatt和邻居无人机间的排斥力Frep,并计算势场合力,建立运动学模型,确定无人机的运动轨迹。采用本发明可使无人直升机集群在执行任务时实现机载传感器信息的共享与协同控制,确保集群着陆的安全性,具有很强的适应性和可扩展性。
Description
技术领域
本发明涉及无线通信和智能控制技术领域,特别涉及一种多无人机协同着陆方法。
背景技术
无人机因其低成本、高机动和“零人员伤亡”等一系列特点,在军事和民用等领域得到了广泛应用。单个无人机在执行战场监视和侦察、灾难场景搜救等任务时,面临着任务区域范围大、环境复杂、感知能力有限、单节点故障等不利因素而造成任务失败,从而促进了“以平台为中心”的传统作战模式向“以网络为中心”的多无人机协同作战模式的转变。通过多无人机环境感知能力、计算处理能力等资源的共享来扩展任务执行能力,提高任务执行成功的概率。美国空军科学顾问委员会也十分明确地指出:“未来的无人机应当以成群的方式工作而不是单独行动”。
在多无人机的协同控制方面,典型研究包括多无人机协同侦察、协同搜索、协作目标跟踪以及协同定位、着陆等。相关研究中最具代表性的是美国国防部高级研究计划局(DARPA)主导的自治编队混合主动控制、广域弹药搜索以及无人作战飞机联合系统等,主要目标均为提高多无人机集群的自主协同控制能力。此外,国外著名高校和研究机构如麻省理工学院、加州伯克利大学以及Honeywell技术中心等,分别对协同任务规划、协同路径规划、混合主动控制以及自主编队控制问题进行了深入研究。
从2001年开始,由包括麻省理工学院、科内尔大学、加州理工大学和加州大学洛杉矶分校四所大学联合发起了“复杂环境下分布式自主平台协同控制研究项目”,提出未来大规模网络化环境下,自主多无人机的分布式协同控制将面临无中心信息处理、无中心决策、受限通信、大规模平台、不确定性环境和突发敌对威胁等挑战。其目标是研究分布式协同控制和决策方法,克服上述挑战,实现多UAV系统复杂、自适应和灵活的行为。现有相关工作大多针对多无人机协同控制的理论框架和算法开展研究,针对多无人机协同的具体问题,如多无人机协同目标跟踪、协同目标搜索、协同着陆等未出现切实可行的技术方案。一方面,现有研究大多着眼于利用地面控制站汇总并处理多个无人机传感器采集的信息,不适用于复杂条件下的多无人机自主协同;另一方面,针对多无人机组网场景下的传感器信息共享以及协同控制方法也鲜有文献涉及。
发明内容
本发明的一个目的在于提出一种适应性强、可扩展性好的多无人机协同着陆方法。
根据本发明实施例的多无人机协同着陆方法包括以下步骤:为多个所述无人机建立Ad Hoc通信网络;各个所述无人机利用机载传感器搜索自身位置和着陆地标,并基于所述Ad Hoc通信网络采用广播的方式向其他所述无人机发送数据包,所述数据包包括位置信息及状态信息;各个所述无人机接收邻居无人机的所述数据包,并根据所述无人机自身和邻居无人机的所述数据包,计算自身与所述着陆地标及所述邻居无人机的相对距离和相对角度;构建环境空间势场,根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力Fatt,和根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力Frep,计算势场合力F=Fatt+Frep,建立运动学模型并确定所述无人机的运动轨迹。
在本发明的一个实施例中,所述数据包的内容包括{UID,xi,yi,zi,Uland,xl,yl,zl,Ustate},其中,UID为表示无人机i的ID;xi为无人机i的x坐标;yi为无人机i的y坐标;zi为无人机i的z坐标;Uland为无人机i是否搜索到着陆地标,0表示已搜索到,1表示未搜索到;xl为着陆地标的x坐标;yl为着陆地标的y坐标;zl为着陆地标的z坐标;Ustate为无人机i的状态,0表示已着陆,1表示未着陆。
在本发明的一个实施例中,所述步骤B还包括:当所述无人机首次捕捉到所述着陆地标时,采用广播方式发出着陆地标的位置信息;其余所述无人机收到所述着陆地标的位置信息后,再次搜索到所述着陆地标时,采用广播方式发出确认着陆地标的消息。
在本发明的一个实施例中,所述步骤C还包括:当无线通信链路的暂时中断时,通过机载传感器感知其邻居无人机,并计算其与邻居无人机的相对距离和相对角度。
在本发明的一个实施例中,所述根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力Fatt包括以下步骤:以qland表示所述着陆地点在环境空间中的位置,其中qland=[xl,yl,zl]T,以qi表示无人机i的在环境空间中的位置,其中qi=[xi,yi,zi]T;计算所述无人机i与所述着陆地点的距离ρ(qland,qi),其中ρ(qland,qi)=ρ||qland,qi||;根据下列公式计算所述着陆地点对所述无人机i产生的引力势场Uatt(i):其中ε为正比例因子;根据下列公式计算所述着陆地点对所述无人机i产生的吸引力
在本发明的一个实施例中,所述根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力Frep包括以下步骤:设无人机i拥有m个邻居无人机,则以qj表示所述无人机i的第j个所述邻居无人机在环境空间中的位置,其中qj=[xj,yj,zj]T,且j=1,2,…m;计算第j个所述邻居无人机与无人机i的距离ρ(qj,qi),其中ρ(qj,qi)=ρ||qj,qi||;根据下列公式计算所述第j个邻居无人机对所述无人机i产生的斥力势场 其中η为正比例因子,ρ0为相邻无人机之间的安全距离;根据下列公式计算所述第j个邻居无人机对所述无人机i产生的排斥力Frepj(i):
计算无人机i受到的总的邻居无人机的排斥力Frep(i)=∑j=1,...,mFrepj(i)。
在本发明的一个实施例中,还包括步骤:E.在着陆过程中不断更新并调整各个所述无人机的所述运动轨迹以实现协同安全着陆。
综上,本发明提出的多无人机协同着陆方法主要分为如下几个主要部分:多无人机集群的信息共享:无人机集群建立Ad Hoc形式的无线网络,通过无线链路广播自身及着陆地标在环境空间中的位置信息,实现传感器对环境的感知信息及无人机状态信息的共享;着陆地标及邻居无人机的位置感知:利用机载传感器感知着陆地标和邻居无人机的位置,并结合自身位置计算与着陆地标及邻居无人机的相对距离和角度关系。此外,可以通过Ad Hoc的无线链路接收周围无人机的位置和状态,从而与机载传感器采集的信息相互补充,完成对着陆地标、邻居无人机的位置信息感知和获取;建立运动学模型并确定运动轨迹:利用通过传感器感知和无线网络获取的着陆地标与邻居无人机的位置信息计算距离,利用人工势场法计算着陆地标的吸引力和邻居无人机的排斥力合力,建立自身的运动学模型并在着陆过程中不断更新和调整运动轨迹,最终实现多无人机的协同着陆。
根据本发明实施例的基于Ad Hoc网络的多无人机协同着陆方法至少具有以下有益效果:
(1)适应性强,本发明的方法在获取着陆地标以及邻居无人机的位置信息时,采用机载传感器搜索和Ad Hoc网络信息共享两种方式,可克服因天气变化、能见度变化和电磁干扰等因素造成的信息获取限制,具有很强的适应性;
(2)可扩展性好,本发明的方法通过机载传感器采集信息,通过Ad Hoc无线网络共享传感器的环境感知信息以及无人机的状态信息,并可利用Ad Hoc网络节点的通信中继能力,不断扩展无人机集群的规模,在实际应用中具有很强的可扩展性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明实施例的多无人机协同着陆方法的流程图;
图2是本发明一个实施例的单个无人机着陆的工作流程示意图;和
图3为本发明一个实施例的人工势场法无人机运动学模型示意图。
具体实施方式
本发明中多个无人机建立Ad Hoc通信网络,各无人机利用机载传感器搜索着陆地标并识别邻居无人机,使用无线链路采用广播的方式共享位置及状态信息;然后计算自身与着陆地标及邻居无人机的相对距离和角度;接着利用人工势场法构建环境空间势场,计算着陆地标的吸引力和为保障飞行安全的邻居无人机间的排斥力,建立运动学模型并确定运动轨迹;最后在着陆过程中不断更新并调整各自的运动轨迹以实现协同安全着陆。
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
如图1所示,根据本发明实施例的多无人机协同着陆方法,包括以下步骤:
步骤S101.多无人机集群建立Ad Hoc形式的无线通信网络,每个无人机都有自己唯一的ID号,在其所组成的Ad Hoc网络中有唯一的IP地址与之对应。
具体地,多无人机集群组成Ad Hoc网络,通过无线链路共享信息。Ad Hoc网络是一种典型的无线移动网络,网络中不存在严格的控制中心,所有节点地位平等,任何节点发生故障不会影响整个网络的运行,抗毁性强。同时,网络中的节点采用多跳路由的方式传输数据,节点通信范围不必直接包含目的节点,可借助中间节点进行数据的存储转发。此外,Ad Hoc网络中节点位置可随处移动,采用自组织的方式组网,网络拓扑可灵活变化。Ad Hoc网络这些特点使其成为多无人机系统通信组网方式的首选,灵活的组网和多跳路由方式适合集群中多无人机间的数据通信,为多无人机集群的协同控制提供了信息共享平台。
步骤S102.各个无人机利用机载传感器搜索自身位置和着陆地标,并基于Ad Hoc通信网络采用广播的方式向邻居无人机发送数据包,该数据包包括位置信息及状态信息。
通常每个无人机包含以下传感器和通信部件:a.双目或单目等前视视觉传感器,用以识别在视觉传感器视场(Field of View)范围内的着陆地标和邻居无人机;b.下视视觉传感器,用以在着陆过程中识别着陆地标;c.激光测距机等用以测量距离的传感器,用以测量自身与着陆地标和邻居无人机的物理距离;d.惯性导航和GPS等定位传感器,可以实时给出无人机的环境空间坐标;e.无线网络通信模块,用以建立多无人机的AdHoc网络,利用无线链路向邻居无人机传输数据包并接收邻居无人机发出的数据包。因此,各个无人机可以通过其机载设备搜索自身位置和着陆地标。
在整个协同着陆的过程中,按照一定的频率以广播方式发送数据包,以分享位置信息和状态信息。在本发明的一个实施例中,数据包标记为Packet,包含以下内容:Packet={UID,xi,yi,zi,Uland,xl,yl,zl,Ustate}。其中,UID为表示无人机i的ID;xi为无人机i的x坐标;yi为无人机i的y坐标;zi为无人机i的z坐标;Uland为无人机i是否搜索到着陆地标,0表示已搜索到,1表示未搜索到;xl为着陆地标的x坐标;yl为着陆地标的y坐标;zl为着陆地标的z坐标;Ustate为无人机i的状态,0表示已着陆,1表示未着陆。
优选地,当无人机集群中的某个无人机首次捕捉到着陆地标时,采用广播方式发出着陆地标的位置信息;其余无人机收到该着陆地标的位置信息后,再次搜索到该着陆地标时,采用广播方式发出确认着陆地标的消息。这样的设定,可以避免得到重复着陆地标信息。
步骤S103.各个无人机接收邻居无人机的数据包,并根据自身和邻居无人机的数据包,计算自身与着陆地标及邻居无人机的相对距离和相对角度。具体地,当一个无人机收到的数据包中包含坐标信息时,可实时计算出该坐标与自身的相对距离和角度关系,该技术在本领域中较为常见,略去不叙。
优选地,当出现电磁干扰或其他原因造成无线通信链路的暂时中断时,无人机可通过机载传感器感知其邻居无人机,并计算其与邻居无人机的相对距离和角度关系,以此弥补信息来源的不足。
此处需要补充说明的是:图2示出了本发明一个实施例的单个无人机着陆的工作流程示意图,从图2中可以清楚地看出步骤S101至步骤S103是如何在单个无人机上进行的。
步骤S104.构建环境空间势场,根据无人机自身与着陆地标的相对距离和相对角度计算着陆地标的吸引力Fatt,和根据无人机自身与邻居无人机的相对距离和相对角度计算邻居无人机间的排斥力Frep,计算势场合力F=Fatt+Frep,建立运动学模型并确定无人机的运动轨迹。
本步骤应用了Khatib于1986年首次提出的人工势场法,该方法本质上是对机器人所在运动环境的一种抽象描述。人工势场法借鉴物理学中的基本概念,假设机器人在一个由多个虚拟力组成的力场环境中运动:一方面,机器人所需要移动到的目标位置对其产生吸引力,吸引力大小随着与目标位置的接近而变小;另一方面,运动环境中与机器人具有潜在碰撞危险的物体对其产生排斥力,且排斥力随着他们之间距离的减小而增大,由此构造出由吸引力和排斥力共同作用的人工势场,在二者的合力即势场力的作用下指引机器人沿最小势能的方向运动并保证其安全。本发明中单个无人机通过构建势场函数和势场力来表示着陆地标和邻居无人机对其产生的运动约束,并在此基础上进行分析和控制,该方法计算简单,有利于实现实时控制。
具体地,根据人工势场法计算运动轨迹可分为以下三步:
(1)根据无人机i自身与着陆地标的相对距离和相对角度计算着陆地标对无人机i的吸引力Fatt(i)。
以qland表示着陆地点在环境空间中的位置,其中qland=[xl,yl,zl]T,以qi表示无人机i的在环境空间中的位置,其中qi=[xi,yi,zi]T;计算无人机i与着陆地点的距离ρ(qland,qi),其中ρ(qland,qi)=ρ||qland,qi||;根据下列公式计算着陆地点对无人机i产生的引力势场Uatt(i):,其中ε为正比例因子;根据下列公式计算着陆地点对无人机i产生的吸引力Fatt(i):
(2)根据无人机i自身与邻居无人机的相对距离和相对角度计算邻居无人机对无人机i的排斥力Frep。
设无人机i拥有m个邻居无人机,则以qj表示无人机i的第j个邻居无人机在环境空间中的位置,其中qj=[xj,yj,zj]T,且j=1,2,…m;计算第j个邻居无人机与无人机i的距离ρ(qj,qi),其中ρ(qj,qi)=ρ||qj,qi||;根据下列公式计算第j个邻居无人机对无人机i产生的斥力势场Urepj(i): 其中η为正比例因子,ρ0为相邻无人机之间的安全距离,相邻无人机距离大于ρ0时,可保障各自的飞行安全;根据下列公式计算第j个邻居无人机对无人机i产生的排斥力Frepj(i):
计算无人机i受到的总的邻居无人机的排斥力Frep(i)=∑j=1,...,mFrepj(i)。
(3)计算无人机i所受到的合力为着陆地标的吸引力及邻居无人机排斥力之和,即F=Fatt+Frep,合力F决定了该无人机着陆过程中的运动轨迹,如图3所示。
在本发明的一个优选实施例中,还进一步包括步骤S105.在着陆过程中不断更新并调整各个无人机的运动轨迹以实现协同安全着陆。具体地,在整个协同着陆的过程中,各无人机按照着陆地标的吸引力和邻居无人机的排斥力确定并不断更新其运动轨迹,调整其飞行姿态直至安全着陆。
根据本发明实施例的多无人机协同着陆方法至少具有以下有益效果:
(1)适应性强,本发明的方法在获取着陆地标以及邻居无人机的位置信息时,采用机载传感器搜索和Ad Hoc网络信息共享两种方式,可克服因天气变化、能见度变化和电磁干扰等因素造成的信息获取限制,具有很强的适应性;
(2)可扩展性好,本发明的方法通过机载传感器采集信息,通过Ad Hoc无线网络共享传感器的环境感知信息以及无人机的状态信息,并可利用Ad Hoc网络节点的通信中继能力,不断扩展无人机集群的规模,在实际应用中具有很强的可扩展性。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种多无人机协同着陆方法,其特征在于,包括以下步骤:
A.为多个所述无人机建立Ad Hoc通信网络;
B.各个所述无人机利用机载传感器搜索自身位置和着陆地标,并基于所述Ad Hoc通信网络采用广播的方式向其他所述无人机发送数据包,所述数据包包括位置信息及状态信息;
C.各个所述无人机接收邻居无人机的所述数据包,并根据所述无人机自身和邻居无人机的所述数据包,计算自身与所述着陆地标及所述邻居无人机的相对距离和相对角度;以及
D.构建环境空间势场,根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力Fatt,和根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力Frep,计算势场合力F=Fatt+Frep,建立运动学模型并确定所述无人机的运动轨迹。
2.如权利要求1所述的多无人机协同着陆方法,其特征在于,所述数据包的内容包括{UID,xi,yi,zi,Uland,xl,yl,zl,Ustate},其中,UID为表示无人机i的ID;xi为无人机i的x坐标;yi为无人机i的y坐标;zi为无人机i的z坐标;Uland为无人机i是否搜索到着陆地标,0表示已搜索到,1表示未搜索到;xl为着陆地标的x坐标;yl为着陆地标的y坐标;zl为着陆地标的z坐标;Ustate为无人机i的状态,0表示已着陆,1表示未着陆。
3.如权利要求1所述的多无人机协同着陆方法,其特征在于,所述步骤B还包括:
当所述无人机首次捕捉到所述着陆地标时,采用广播方式发出着陆地标的位置信息;其余所述无人机收到所述着陆地标的位置信息后,再次搜索到所述着陆地标时,采用广播方式发出确认着陆地标的消息。
4.如权利要求1所述的多无人机协同着陆方法,其特征在于,所述步骤C还包括:
当无线通信链路的暂时中断时,通过机载传感器感知其邻居无人机,并计算其与邻居无人机的相对距离和相对角度。
5.如权利要求1所述的多无人机协同着陆方法,其特征在于,所述根据所述无人机自身与所述着陆地标的相对距离和相对角度计算着陆地标的吸引力Fatt包括以下步骤:
以qland表示所述着陆地点在环境空间中的位置,其中qland=[xl,yl,zl]T,以qi表示无人机i的在环境空间中的位置,其中qi=[xi,yi,zi]T;
计算所述无人机i与所述着陆地点的距离ρ(qland,qi),其中ρ(qland,qi)=ρ||qland,qi|;
根据下列公式计算所述着陆地点对所述无人机i产生的引力势场Uatt(i): 其中ε为正比例因子;
根据下列公式计算所述着陆地点对所述无人机i产生的吸引力Fatt(i):
6.如权利要求1所述的多无人机协同着陆方法,其特征在于,所述根据所述无人机自身与所述邻居无人机的相对距离和相对角度计算所述邻居无人机间的排斥力Frep包括以下步骤:
设无人机i拥有m个邻居无人机,则以qj表示所述无人机i的第j个所述邻居无人机在环境空间中的位置,其中qj=[xj,yj,zj]T,且j=1,2,…m;
计算第j个所述邻居无人机与无人机i的距离ρ(qj,qi),其中ρ(qj,qi)=ρ||qj,qi|;
根据下列公式计算所述第j个邻居无人机对所述无人机i产生的斥力势场Urepj(i):
其中η为正比例因子,ρ0为相邻无人机之间的安全距离;
根据下列公式计算所述第j个邻居无人机对所述无人机i产生的排斥力Frepj(i):
计算无人机i受到的总的邻居无人机的排斥力Frep(i)=∑j=1,...,mFrepj(i)。
7.如权利要求1所述的多无人机协同着陆方法,其特征在于,还包括步骤:
E.在着陆过程中不断更新并调整各个所述无人机的所述运动轨迹以实现协同安全着陆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102152245A CN102749847A (zh) | 2012-06-26 | 2012-06-26 | 多无人机协同着陆方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102152245A CN102749847A (zh) | 2012-06-26 | 2012-06-26 | 多无人机协同着陆方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102749847A true CN102749847A (zh) | 2012-10-24 |
Family
ID=47030131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102152245A Pending CN102749847A (zh) | 2012-06-26 | 2012-06-26 | 多无人机协同着陆方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102749847A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
CN103472850A (zh) * | 2013-09-29 | 2013-12-25 | 合肥工业大学 | 一种基于高斯分布预测的多无人机协同搜索方法 |
CN104656669A (zh) * | 2015-03-10 | 2015-05-27 | 无锡桑尼安科技有限公司 | 基于图像处理的无人机着陆位置搜索系统 |
CN104836640A (zh) * | 2015-04-07 | 2015-08-12 | 西安电子科技大学 | 一种无人机编队分布式协作通信方法 |
US20150334768A1 (en) * | 2014-05-19 | 2015-11-19 | EpiSys Science, Inc. | Method and apparatus for control of multiple autonomous mobile nodes based on dynamic situational awareness data |
WO2016041110A1 (zh) * | 2014-09-15 | 2016-03-24 | 深圳市大疆创新科技有限公司 | 一种飞行器的飞行控制方法及相关装置 |
WO2016172962A1 (en) * | 2015-04-30 | 2016-11-03 | SZ DJI Technology Co., Ltd. | System and method for landing a mobile platform via a magnetic field |
CN106094862A (zh) * | 2016-06-22 | 2016-11-09 | 陕西宝成航空仪表有限责任公司 | 无人机编队飞行通信控制的实现方法 |
CN106332101A (zh) * | 2016-08-18 | 2017-01-11 | 中国人民解放军国防科学技术大学 | 一种无人移动平台群体分布式格型网络拓扑的构建方法 |
CN106325301A (zh) * | 2016-10-27 | 2017-01-11 | 浙江理工大学 | 基于GPS和ZigBee的四旋翼飞行器编队飞行系统及编队方法 |
CN107219857A (zh) * | 2017-03-23 | 2017-09-29 | 南京航空航天大学 | 一种基于三维全局人工势函数的无人机编队路径规划算法 |
CN107276661A (zh) * | 2017-07-25 | 2017-10-20 | 陕西师范大学 | 一种基于无人机群搜救的方法及系统 |
CN108447309A (zh) * | 2018-03-14 | 2018-08-24 | 广州亿航智能技术有限公司 | 无人机起降方法、装置和计算机储存介质 |
CN108459612A (zh) * | 2017-02-21 | 2018-08-28 | 北京航空航天大学 | 基于人工势场法的无人机编队控制方法及装置 |
CN108702203A (zh) * | 2018-05-17 | 2018-10-23 | 北京小米移动软件有限公司 | 控制无人机接入网络的方法和装置 |
CN108983825A (zh) * | 2018-09-30 | 2018-12-11 | 北京航空航天大学 | 一种无人机时变编队的跟踪方法及系统 |
CN109074092A (zh) * | 2017-07-31 | 2018-12-21 | 深圳市大疆创新科技有限公司 | 无人机失步处理方法、无人机以及无人机系统 |
CN109213198A (zh) * | 2018-09-11 | 2019-01-15 | 中国科学院长春光学精密机械与物理研究所 | 多无人机协同控制系统 |
CN110134130A (zh) * | 2019-06-14 | 2019-08-16 | 西交利物浦大学 | 一种基于改进角度势场法的无人船自主避障方法 |
CN110312306A (zh) * | 2019-06-20 | 2019-10-08 | 中国人民解放军国防科技大学 | 基于异步信息的无人机集群合作式定位方法及装置 |
CN110321938A (zh) * | 2019-06-20 | 2019-10-11 | 西北工业大学 | 一种智能无人集群的状态空间构建方法及装置 |
CN110825113A (zh) * | 2019-11-22 | 2020-02-21 | 南京航空航天大学 | 一种适用于四旋翼无人机集群飞行的队形保持方法 |
CN111176272A (zh) * | 2019-11-28 | 2020-05-19 | 的卢技术有限公司 | 一种基于运动约束的人工势场轨迹规划方法及系统 |
CN111262951A (zh) * | 2020-03-24 | 2020-06-09 | 江苏中利电子信息科技有限公司 | 基于自组网遥控搜救机器人一对多调度系统 |
CN111722644A (zh) * | 2020-06-28 | 2020-09-29 | 清华大学 | 基于无人机集群的应急临时网络通信方法及装置 |
CN112650304A (zh) * | 2021-01-20 | 2021-04-13 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 无人机自主着陆系统、方法和无人机 |
CN114039682A (zh) * | 2017-11-17 | 2022-02-11 | 深圳市道通智能航空技术股份有限公司 | 一种无人机的通信方法、通信装置及无人机 |
CN115328205A (zh) * | 2022-09-14 | 2022-11-11 | 清华大学 | 一种基于三维目标检测的飞行汽车起飞着陆决策规划方法 |
CN115599123A (zh) * | 2022-11-14 | 2023-01-13 | 扬州大学(Cn) | 一种用于无人机集群多着陆区协同着陆的分布式方法 |
CN117191047A (zh) * | 2023-11-03 | 2023-12-08 | 南京信息工程大学 | 弱光环境下无人机自适应主动视觉导航方法、装置 |
CN115599123B (zh) * | 2022-11-14 | 2024-04-26 | 扬州大学 | 一种用于无人机集群多着陆区协同着陆的分布式方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060265664A1 (en) * | 2005-05-17 | 2006-11-23 | Hitachi, Ltd. | System, method and computer program product for user interface operations for ad-hoc sensor node tracking |
CN101127657A (zh) * | 2007-07-16 | 2008-02-20 | 江南大学 | 自主移动传感器网络动态建模与控制技术 |
CN102096415A (zh) * | 2010-12-31 | 2011-06-15 | 重庆邮电大学 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
CN102288192A (zh) * | 2011-07-01 | 2011-12-21 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN102393747A (zh) * | 2011-08-17 | 2012-03-28 | 清华大学 | 无人机集群的协作交互方法及无人机的可视导航系统 |
-
2012
- 2012-06-26 CN CN2012102152245A patent/CN102749847A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060265664A1 (en) * | 2005-05-17 | 2006-11-23 | Hitachi, Ltd. | System, method and computer program product for user interface operations for ad-hoc sensor node tracking |
CN101127657A (zh) * | 2007-07-16 | 2008-02-20 | 江南大学 | 自主移动传感器网络动态建模与控制技术 |
CN102096415A (zh) * | 2010-12-31 | 2011-06-15 | 重庆邮电大学 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
CN102288192A (zh) * | 2011-07-01 | 2011-12-21 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN102393747A (zh) * | 2011-08-17 | 2012-03-28 | 清华大学 | 无人机集群的协作交互方法及无人机的可视导航系统 |
Non-Patent Citations (1)
Title |
---|
樊玮虹等: "基于人工势场法和Ad-hoc 网络的多机器人编队控制", 《国防科技大学学报》 * |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197684B (zh) * | 2013-04-25 | 2016-09-21 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
CN103472850A (zh) * | 2013-09-29 | 2013-12-25 | 合肥工业大学 | 一种基于高斯分布预测的多无人机协同搜索方法 |
CN103472850B (zh) * | 2013-09-29 | 2015-11-18 | 合肥工业大学 | 一种基于高斯分布预测的多无人机协同搜索方法 |
US10645170B2 (en) | 2014-05-19 | 2020-05-05 | EpiSys Science, Inc. | Method and apparatus for control of multiple autonomous mobile nodes based on dynamic situational awareness data |
US9894158B2 (en) * | 2014-05-19 | 2018-02-13 | EpiSys Science, Inc. | Method and apparatus for control of multiple autonomous mobile nodes based on dynamic situational awareness data |
US20150334768A1 (en) * | 2014-05-19 | 2015-11-19 | EpiSys Science, Inc. | Method and apparatus for control of multiple autonomous mobile nodes based on dynamic situational awareness data |
CN108132678A (zh) * | 2014-09-15 | 2018-06-08 | 深圳市大疆创新科技有限公司 | 一种飞行器的飞行控制方法及相关装置 |
CN105556408B (zh) * | 2014-09-15 | 2018-02-13 | 深圳市大疆创新科技有限公司 | 一种飞行器的飞行控制方法及相关装置 |
US10943495B2 (en) | 2014-09-15 | 2021-03-09 | SZ DJI Technology Co., Ltd. | Aerial vehicle flight control method and device thereof |
US10325505B2 (en) | 2014-09-15 | 2019-06-18 | SZ DJI Technology Co., Ltd. | Aerial vehicle flight control method and device thereof |
CN105556408A (zh) * | 2014-09-15 | 2016-05-04 | 深圳市大疆创新科技有限公司 | 一种飞行器的飞行控制方法及相关装置 |
WO2016041110A1 (zh) * | 2014-09-15 | 2016-03-24 | 深圳市大疆创新科技有限公司 | 一种飞行器的飞行控制方法及相关装置 |
US11776413B2 (en) | 2014-09-15 | 2023-10-03 | SZ DJI Technology Co., Ltd. | Aerial vehicle flight control method and device thereof |
CN104656669A (zh) * | 2015-03-10 | 2015-05-27 | 无锡桑尼安科技有限公司 | 基于图像处理的无人机着陆位置搜索系统 |
CN104836640B (zh) * | 2015-04-07 | 2018-04-06 | 西安电子科技大学 | 一种无人机编队分布式协作通信方法 |
CN104836640A (zh) * | 2015-04-07 | 2015-08-12 | 西安电子科技大学 | 一种无人机编队分布式协作通信方法 |
US10509416B2 (en) | 2015-04-30 | 2019-12-17 | SZ DJI Technology Co., Ltd. | System and method for landing a mobile platform via a magnetic field |
US11378982B2 (en) | 2015-04-30 | 2022-07-05 | SZ DJI Technology Co., Ltd. | System and method for landing a mobile platform via a magnetic field |
WO2016172962A1 (en) * | 2015-04-30 | 2016-11-03 | SZ DJI Technology Co., Ltd. | System and method for landing a mobile platform via a magnetic field |
CN106094862A (zh) * | 2016-06-22 | 2016-11-09 | 陕西宝成航空仪表有限责任公司 | 无人机编队飞行通信控制的实现方法 |
CN106332101B (zh) * | 2016-08-18 | 2019-05-24 | 中国人民解放军国防科学技术大学 | 一种无人移动平台群体分布式格型网络拓扑的构建方法 |
CN106332101A (zh) * | 2016-08-18 | 2017-01-11 | 中国人民解放军国防科学技术大学 | 一种无人移动平台群体分布式格型网络拓扑的构建方法 |
CN106325301A (zh) * | 2016-10-27 | 2017-01-11 | 浙江理工大学 | 基于GPS和ZigBee的四旋翼飞行器编队飞行系统及编队方法 |
CN108459612A (zh) * | 2017-02-21 | 2018-08-28 | 北京航空航天大学 | 基于人工势场法的无人机编队控制方法及装置 |
CN107219857A (zh) * | 2017-03-23 | 2017-09-29 | 南京航空航天大学 | 一种基于三维全局人工势函数的无人机编队路径规划算法 |
CN107276661A (zh) * | 2017-07-25 | 2017-10-20 | 陕西师范大学 | 一种基于无人机群搜救的方法及系统 |
CN107276661B (zh) * | 2017-07-25 | 2020-12-29 | 陕西师范大学 | 一种基于无人机群搜救的方法及系统 |
CN109074092A (zh) * | 2017-07-31 | 2018-12-21 | 深圳市大疆创新科技有限公司 | 无人机失步处理方法、无人机以及无人机系统 |
CN114039682A (zh) * | 2017-11-17 | 2022-02-11 | 深圳市道通智能航空技术股份有限公司 | 一种无人机的通信方法、通信装置及无人机 |
CN108447309B (zh) * | 2018-03-14 | 2020-11-06 | 广州亿航智能技术有限公司 | 无人机起降方法、装置和计算机储存介质 |
CN108447309A (zh) * | 2018-03-14 | 2018-08-24 | 广州亿航智能技术有限公司 | 无人机起降方法、装置和计算机储存介质 |
US11843446B2 (en) | 2018-05-17 | 2023-12-12 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and device of controlling unmanned aerial vehicle to access network |
CN108702203A (zh) * | 2018-05-17 | 2018-10-23 | 北京小米移动软件有限公司 | 控制无人机接入网络的方法和装置 |
CN109213198A (zh) * | 2018-09-11 | 2019-01-15 | 中国科学院长春光学精密机械与物理研究所 | 多无人机协同控制系统 |
CN108983825A (zh) * | 2018-09-30 | 2018-12-11 | 北京航空航天大学 | 一种无人机时变编队的跟踪方法及系统 |
CN108983825B (zh) * | 2018-09-30 | 2020-04-03 | 北京航空航天大学 | 一种无人机时变编队的跟踪方法及系统 |
CN110134130A (zh) * | 2019-06-14 | 2019-08-16 | 西交利物浦大学 | 一种基于改进角度势场法的无人船自主避障方法 |
CN110321938A (zh) * | 2019-06-20 | 2019-10-11 | 西北工业大学 | 一种智能无人集群的状态空间构建方法及装置 |
CN110312306A (zh) * | 2019-06-20 | 2019-10-08 | 中国人民解放军国防科技大学 | 基于异步信息的无人机集群合作式定位方法及装置 |
CN110312306B (zh) * | 2019-06-20 | 2020-10-30 | 中国人民解放军国防科技大学 | 基于异步信息的无人机集群合作式定位方法及装置 |
CN110321938B (zh) * | 2019-06-20 | 2022-10-11 | 西北工业大学 | 一种智能无人集群的状态空间构建方法及装置 |
CN110825113B (zh) * | 2019-11-22 | 2021-10-22 | 南京航空航天大学 | 一种适用于四旋翼无人机集群飞行的队形保持方法 |
CN110825113A (zh) * | 2019-11-22 | 2020-02-21 | 南京航空航天大学 | 一种适用于四旋翼无人机集群飞行的队形保持方法 |
CN111176272A (zh) * | 2019-11-28 | 2020-05-19 | 的卢技术有限公司 | 一种基于运动约束的人工势场轨迹规划方法及系统 |
CN111262951A (zh) * | 2020-03-24 | 2020-06-09 | 江苏中利电子信息科技有限公司 | 基于自组网遥控搜救机器人一对多调度系统 |
CN111722644A (zh) * | 2020-06-28 | 2020-09-29 | 清华大学 | 基于无人机集群的应急临时网络通信方法及装置 |
CN112650304A (zh) * | 2021-01-20 | 2021-04-13 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 无人机自主着陆系统、方法和无人机 |
CN112650304B (zh) * | 2021-01-20 | 2024-03-05 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 无人机自主着陆系统、方法和无人机 |
CN115328205A (zh) * | 2022-09-14 | 2022-11-11 | 清华大学 | 一种基于三维目标检测的飞行汽车起飞着陆决策规划方法 |
CN115599123A (zh) * | 2022-11-14 | 2023-01-13 | 扬州大学(Cn) | 一种用于无人机集群多着陆区协同着陆的分布式方法 |
CN115599123B (zh) * | 2022-11-14 | 2024-04-26 | 扬州大学 | 一种用于无人机集群多着陆区协同着陆的分布式方法 |
CN117191047A (zh) * | 2023-11-03 | 2023-12-08 | 南京信息工程大学 | 弱光环境下无人机自适应主动视觉导航方法、装置 |
CN117191047B (zh) * | 2023-11-03 | 2024-02-23 | 南京信息工程大学 | 弱光环境下无人机自适应主动视觉导航方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102749847A (zh) | 多无人机协同着陆方法 | |
CN103197684B (zh) | 无人机群协同跟踪目标的方法及系统 | |
Yanmaz et al. | Drone networks: Communications, coordination, and sensing | |
Srivastava et al. | Future FANET with application and enabling techniques: Anatomization and sustainability issues | |
Goudarzi et al. | Data collection using unmanned aerial vehicles for Internet of Things platforms | |
Motlagh et al. | Low-altitude unmanned aerial vehicles-based internet of things services: Comprehensive survey and future perspectives | |
Shrit et al. | A new approach to realize drone swarm using ad-hoc network | |
Tuna et al. | Unmanned aerial vehicle-aided communications system for disaster recovery | |
US9202382B2 (en) | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles | |
KR101917860B1 (ko) | 무인 비행체의 최적 경로 탐색 방법, 최적 경로 탐색 서버 및 시스템 | |
Lu et al. | A cost-efficient elastic UAV relay network construction method with guaranteed QoS | |
Sawalmeh et al. | An overview of collision avoidance approaches and network architecture of unmanned aerial vehicles (UAVs) | |
Javaid et al. | Communication and control in collaborative UAVs: Recent advances and future trends | |
Xiaowei et al. | Multi-UAVs cooperative control in communication relay | |
Mason et al. | Combining LoRaWAN and a new 3D motion model for remote UAV tracking | |
de Albuquerque et al. | Evaluating data communications in natural disaster scenarios using opportunistic networks with Unmanned Aerial Vehicles | |
Al-Shareeda et al. | Unmanned aerial vehicle: a review and future directions | |
Saarelainen et al. | C4I2-Tools for the Future Battlefield Warriors | |
Šulák et al. | Search using a swarm of unmanned aerial vehicles | |
Medina et al. | Topology characterization of high density airspace aeronautical ad hoc networks | |
Hauert et al. | Communication-based leashing of real flying robots | |
Liu et al. | Performance evaluation of multi-hop communication based on a mobile multi-robot system in a subterranean laneway | |
Garg | Potentials of Network‐Based Unmanned Aerial Vehicles | |
Ha et al. | Using autonomous air vehicle in dtn sensor network for environmental observation | |
Javed et al. | State-of-the-Art and Future Research Challenges in UAV Swarms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121024 |